Интернет вещей и повышение эффективности управления поездом

Цифровизация и развитие телекоммуникационных технологий, в первую очередь беспроводных, обусловили значительный прогресс в организации управления перевозочным процессом на железнодорожном транспорте. Получение доступа к огромному массиву эксплуатационных данных о подвижном составе и инфраструктуре практически в реальном времени в сочетании с применением аналитических инструментов позволило качественно улучшить работу железных дорог.
Для сохранения конкурентоспособности на транспортном рынке железные дороги должны внедрять эффективные технологии, обеспечивающие рост безопасности и производительности. В долгосрочной перспективе на основе развертываемых уже сейчас технологий и накапливаемого опыта предстоит реализовать вождение поездов в полностью автоматическом режиме без машиниста на борту. Путь в этом направлении пройдет от современных средств поддержки, которые просто собирают и обрабатывают данные, помогая персоналу принимать решения, к полностью автоматическим системам, которые смогут принимать решения самостоятельно. На полигоне Центра транспортных технологий TTCI в Пуэбло, штат Колорадо, уже успешно прошли испытания беспилотного грузового поезда с использованием системы LEADER AutoPilot компании New York Air Brake, которая входит в состав группы Knorr-Bremse.

Интернет вещей
Важный элемент автоматизации - вычислительная платформа, или экосистема, поддерживающая различные системы обработки данных. В настоящее время проприетарные технические решения все в большей мере вытесняются технологиями, основанными на общепринятых стандартах промышленного Интернета вещей. Последнее десятилетие характеризуется быстрым ростом применения таких технологий. С началом перехода к промышленному Интернету вещей в системах автоматизации производства выявилась необходимость урегулирования ряда аспектов, не характерных для потребительского сектора, в том числе по стандартизации нормативов, безопасности и целостности информации, а также в части долгосрочной поддержки и обновления продукции. Сложная среда и особенности функционирования железнодорожного транспорта требуют наличия жестких и однозначных технических спецификаций, нормирующих многочисленные параметры, включая температуру, вибрацию, ударные нагрузки и электромагнитное воздействие, а также обеспечивающих технологическую совместимость при эксплуатации подвижного состава разных типов. Тем не менее уже сейчас имеется возможность использовать экосистему Интернета вещей на всех видах грузового и пассажирского подвижного состава, включая локомотивы, вагоны, а также городской рельсовый транспорт. Безусловно, для каждого вида подвижного состава используются разные технологии, обеспечивающие разумный баланс между издержками на внедрение и эксплуатацию и получаемыми оператором доходами. Необходимо также учитывать расходы, связанные со сбором первичных данных, преобразованием их в эффективную информацию посредством обработки, сопоставлением данных из различных источников, обработкой правил предметной области, реализацией искусственного интеллекта и анализа визуальной информации.
Первоначально упор в использовании Интернета вещей делался на мониторинг состояния подвижного состава, сбор данных от многочисленных датчиков, контролирующих работу важнейших узлов, и информирование подразделений, занятых планированием ремонта и технического обслуживания. Сейчас для повышения безопасности и эксплуатационной эффективности внедряются регистраторы событий и цифровые видеокамеры. Объединение всех этих систем на общей платформе Интернета вещей, использование последних достижений в сфере периферийных и облачных вычислений, соответствующих аналитических инструментов уже начинают давать заметный экономический эффект.

Экосистема IoT
Типичная экосистема Интернета вещей для железнодорожного подвижного состава предусматривает сбор информации о состоянии поезда на локомотивной платформе периферийных вычислений и анализ этой информации в реальном времени бортовыми средствами обработки данных. Также данные через шлюз связи выгружаются в облако, где в режиме офлайн выполняется аналитическая обработка и осуществляется передача информации в сторонние приложения. В системе используется двунаправленный информационный поток - облачные приложения посылают на бортовые устройства информацию и запросы, активируя в случае необходимости визуальные или звуковые сообщения для локомотивной бригады.
Критически важно, что для полного отображения условий эксплуатации вся доступная информация как на подвижном составе, так и вне его должна быть синхронизирована с высокой точностью.
Типичный набор данных для тепловоза может включать сведения о GPS-позиционировании, информацию о скорости, техническом состоянии узлов и систем, уровне и температуре рабочих жидкостей (топлива, масла или хладагента), команды на тягу и торможение, а также сведения о погодных условиях и соответствии правилам эксплуатации. Повысить ценность экосистемы может объединение информации от локомотива и вагонов одного поезда.
Сбор данных на борту
Такой согласованный подход означает максимально возможное эффективное использование множества источников данных, уже имеющихся на борту. Однако большинство железных дорог в Северной Америке эксплуатируют разнородные парки подвижного состава, построенного разными изготовителями, со средним сроком службы 20 - 30 лет. Локомотивы оснащены разными системами управления с разными функциональными возможностями, а большинство грузовых и часть пассажирских вагонов даже не имеют собственного электропитания, необходимого для функционирования бортовых телематических устройств.
Несмотря на такую сложную среду, информация должна генерироваться в едином формате, и это требует наличия платформы сбора и обработки данных, не зависящей от типа подвижного состава. Компания Wi-Tronix из Чикаго поставила более 12,5 тыс. бортовых платформ Интернета вещей для разных систем рельсового транспорта Северной Америки - от грузовых железных дорог первого класса до пригородных линий и линий трамвая. Ее продукция, включая устройства Violet Edge, Violet View и Violet Live, используется на подвижном составе и подсистемах разных изготовителей.
Современные локомотивы и моторвагонные поезда оснащают разнообразными интеллектуальными системами для управления тяговым приводом, тормозами, устройствами отопления, вентиляции, кондиционирования и даже санитарно-техническим оборудованием. Каждая подсистема генерирует собственные данные о режиме функционирования, техническом состоянии и отказах, которые могут поступать в платформу Интернета вещей.
Локомотивы более старой постройки обычно вырабатывают меньший объем данных, зачастую они оборудованы только регистратором событий. Однако модернизированный тяговый подвижной состав во многих случаях оснащен дополнительными проприетарными системами, обеспечивающими экономию топлива или снижение выбросов, допускающими сбор дополнительных данных. В некоторых случаях возможна установка дополнительных датчиков на важнейшие узлы.
В Северной Америке с середины 2000-х годов локомотивы и другой тяговый подвижной состав оснащают видеокамерами, которые обычно применяют в качестве камер переднего вида и для обзора внутри кабины машиниста, хотя некоторые операторы используют также камеры заднего и бокового вида. В пассажирских вагонах для обеспечения безопасности устанавливают по несколько камер для наблюдения за ситуацией в салоне и контроля положения дверей. Хотя первоначально видеокамеры на локомотивы устанавливали для сбора доказательств на случай судебных разбирательств при авариях на переездах или других происшествиях, введение в поток данных визуальной информации для последующего анализа может оказаться весьма полезным для железнодорожных операторов. 

Периферийные и облачные вычисления
Учитывая, что вычислительные мощности имеются как на борту локомотива, так и в облаке, важно принять решение об оптимальном месте и способе обработки данных. При этом необходимо обеспечить разумный компромисс между издержками и получаемой выгодой (таблица), хотя нельзя недооценивать и подход, предусматривающий сочетание периферийных и облачных вычислений в масштабах всего парка подвижного состава.
Важность информационной безопасности в эру Интернета вещей нельзя недооценивать, поэтому ключевое значение имеет киберзащищенность данных и аппаратуры. Периферийные и облачные решения должны соответствовать общепринятым стандартам безопасности данных, таким как SOC2. Для противодействия постоянно возникающим киберугрозам требуется активное управление системой посредством выпуска необходимых обновлений к платформам периферийной обработки данных.
Экосистема Интернета вещей также должна допускать дистанционное управление мониторингом и конфигурированием. Долгое время обновление программного обеспечения на подвижном составе представляло значительные трудности, поскольку требовало вывода локомотива или поезда из эксплуатации для загрузки новой версии программы. Регистрация и учет различных версий ПО, установленного на разных локомотивах парка, также были проблемой.
Дистанционное управление обновлением ПО и конфигурированием облегчает автоматизацию внедрения новых функций и обновлений, направленных на повышение безопасности и защищенности данных. Также в реальном времени можно вести мониторинг и учет версий ПО всех подключенных систем. Установка обновлений для сторонних систем с использованием платформы Интернета вещей также возможна и отвечает интересам операторов.
Периферийная аналитика
Хотя периферийные вычисления в целом дороже облачных, обработка данных на борту обеспечивает более быстрый ответ на события, требующие немедленной реакции. Например, можно выполнять непрерывный мониторинг ведения поезда с выдачей машинисту необходимых звуковых и визуальных сигналов в случае, например, превышения скорости, допускаемой показанием впередирасположенного сигнала, или выдачей рекомендаций по положению контроллера, режиму холостого хода двигателя или торможению с включенной тягой длинносоставных поездов на уклонах.
Такие события, как экстренное торможение или дефект сцепного устройства, явно влияют на безопасность движения, однако анализ соответствующих данных может завершаться также запуском действий вне поезда, включая выдачу извещений и немедленную загрузку данных. Аналитика визуальной информации позволяет вести в реальном времени мониторинг различных факторов, включая соответствие действий локомотивной бригады нормативным требованиям.
Используя геоданные и виртуальные механизмы слежения за движением поезда, периферийная аналитика позволяет сопоставлять события с локальными географическими и погодными условиями и легко контролировать выполнение обновляемых правил эксплуатации, поступающих из центральных баз данных железных дорог. 

Облачные вычисления
Использование периферийных вычислений сокращает время, необходимое для реагирования в процессе ведения поезда и быстрого установления обратной связи с локомотивной бригадой. Однако на более высоких уровнях управления перевозочным процессом необходима более широкая картина оперативной обстановки. Облачная платформа позволяет собирать данные с многочисленных бортовых систем и распределять их между разными потребителями. Облачные вычисления, как правило, дешевле, и значительные объемы централизованно собираемых и хранящихся данных формируют достаточную базу для анализа. Обработанная информация может использоваться для поддержки восстановления эксплуатационного процесса после аварий, а также для упорядочения существенных данных в целях дальнейшего анализа. На этом уровне собранные данные служат основой для разработки стратегий управления парками подвижного состава, в частности анализа использования активов, расхода энергоресурсов и планирования работы локомотивных бригад. После получения достаточного объема информации создаются условия для анализа тенденций изменений показателей и перехода от технического обслуживания по состоянию к предупредительному обслуживанию с прогнозированием приоритетных работ.
Критическим аспектом технологии является наличие каналов беспроводной связи, в частности стоимость и доступность частотного ресурса, достаточного для передачи данных в реальном времени. Новые системы цифровой радиосвязи могут применяться в сочетании с проприетарными железнодорожными системами и сетями, такими как сеть радиосвязи системы управления движением поездов PTC. Прорывом может стать технология мобильной связи стандарта 5G с высокой пропускной способностью, которая создаст предпосылки для появления значительно более экономически эффективных облачных решений, функционирующих с меньшей задержкой.

Визуальная аналитика и искусственный интеллект
Современные аналитические системы, использующие такие инструменты, как искусственный интеллект, видеоаналитика и машинное зрение, в зависимости от требуемых показателей стоимости, сложности и времени задержки могут основываться на технологии как периферийных, так и облачных вычислений. Это быстро развивающаяся область, в научные исследования которой ежегодно вкладывают миллиарды долларов.
Некоторые варианты реализации современных аналитических инструментов предусматривают установку на подвижном составе фронтальных видеокамер, служащих дополнительным источником информации для управления движением поезда и инфраструктурой.
Определение местоположения напольного оборудования. Установленные на локомотивах видеокамеры можно использовать для непрерывного мониторинга расположения важнейшего напольного оборудования с целью его учета и планирования технического обслуживания. Это позволит автоматизировать инвентаризацию или, по крайней мере, увеличить периодичность между ручными осмотрами.
Определение сигнальных показаний. Визуальная идентификация сигнальных показаний может служить дополнительным средством контроля правильности действий локомотивной бригады.
Контроль за действиями локомотивной бригады. В США в течение длительного времени одной из главных угроз безопасности движения считалось отвлечение внимания локомотивной бригады от ведения поезда. После крушения в 2008 г. в Чатсдорте (лобовое столкновение грузового и пригородного поездов) появились жесткие правила, допускающие использование мобильных телефонов и планшетов в кабине машиниста только во время стоянки, но не при движении. Иногда пользоваться ими разрешается только в определенных географических зонах. Комплексная аналитика с использованием приемопередатчиков и видеомониторинга для обнаружения пользования мобильной связью в сочетании с данными о состоянии и местоположении локомотива позволяет всесторонне оценить ситуацию и при необходимости немедленно выдать предупредительный сигнал.
Определение свободности пути. Обычно на однопутных линиях система GPS позволяет достаточно точно определить местоположение поезда, однако на двухпутных участках, в маневровых и иных районах со сложным путевым развитием это сопряжено со значительными и необоснованными затратами. Сочетание визуальной аналитики и геоинформационных технологий делает возможным идентификацию пути, на котором находится локомотив, и направление его движения. Эту технологию можно также использовать в зонах, где спутниковый сигнал недоступен, например в тоннелях.
Выявление несанкционированного доступа. Анализ видеоизображений можно использовать для автоматического обнаружения проникновения в закрытые или потенциально опасные зоны. Создание схем «горячих точек» поможет железным дорогам сконцентрировать ресурсы для адресной реализации мер безопасности в зонах высокого риска.

Перспективы полной автоматизации
Железные дороги всего мира имеют общую фундаментальную цель - обеспечить перевозки грузов и пассажиров с максимально возможными безопасностью, эффективностью и надежностью. Совершенствование качества обслуживания и составляет цель всех инноваций на железнодорожном транспорте.
Экосистема Интернета вещей способствует повышению эффективности железнодорожного транспорта, обеспечивая возможность управления потреблением топливно-энергетических ресурсов, безопасностью и надежностью практически в реальном времени. Эта экосистема позволяет уже сейчас сделать первые шаги на пути к достижению долгосрочной цели - беспилотным поездам и определить стратегию разработки и развертывания требуемых для этого технологий.
Материалы компаний Wi-Tronix и Knorr-Bremse; Railway Gazette International.